Uniform convergence rates for nonparametric regression and principal component analysis in functional/longitudinal data
函数型与纵向数据中非参数回归和主成分分析的一致收敛速率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦一般函数型及纵向数据理论，未明确研究经济面板或宏观金融因子。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
函数型与纵向数据中非参数回归和主成分分析的一致收敛速率
- 研究问题
- 函数型或纵向数据的均值、协方差及主成分估计，其一致收敛速率如何同时取决于样本曲线数和每条曲线的观测密度？
- 方法与思路
- 作者在统一框架下分析均值与协方差的局部线性平滑估计，允许曲线内观测数以不同速率增长，并推导主成分收敛速率。
- 材料陈述的贡献
- 摘要称稀疏数据达到相应非参数回归最优速率，稠密数据适当选带宽可达根号样本量速率，并给出主成分几乎必然速率。
- 阅读关注点
- 应核对稀疏与稠密情形的划分、曲线内依赖及平滑条件，以及带宽选择和协方差估计误差如何影响主成分结果。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体速率条件及模拟数值未列出，纵向数据和主成分分析不自动等同于经济面板或因子模型。
原文摘要
We consider nonparametric estimation of the mean and covariance functions for functional/longitudinal data. Strong uniform convergence rates are developed for estimators that are local-linear smoothers. Our results are obtained in a unified framework in which the number of observations within each curve/cluster can be of any rate relative to the sample size. We show that the convergence rates for the procedures depend on both the number of sample curves and the number of observations on each curve. For sparse functional data, these rates are equivalent to the optimal rates in nonparametric regression. For dense functional data, root-n rates of convergence can be achieved with proper choices of bandwidths. We further derive almost sure rates of convergence for principal component analysis using the estimated covariance function. The results are illustrated with simulation studies.